德國伯恩大學的研究人員設計了一個軟件，能夠看視頻并預測未來5分鐘會發生的事件，準確率在15%到40%之間。研究人員表示，對于具有大量不同動作的長視頻，他們的方法也能夠準確預測未來，甚至可以處理嘈雜或錯誤的輸入信息。

從幾百萬年前起，第一個原始人類仰望星空，對宇宙產生好奇開始，我們人類對周遭世界的理解和把控，已經達到了相當嫻熟的程度。

我們已經可以超音速飛行，可以轉基因，還能治療癌癥。但是，有一件事情是我們一直沒有做得很好的，那就是對“時間”的感知——如何從當下推斷未來，如何最大限度的利用這種推測？

現在看，機器似乎可以幫助我們做到這一點。

德國波恩大學的計算機科學家設計出了一種軟件，能夠預測未來5分鐘的序列事件，準確率在15％到40％之間。

雖然從數值上看，這個精度并不高，但研究人員Juergen Gall表示，這代表了機器學習超越了單步預測（single-step prediction），向新的領域邁進了一步。相關的研究論文已經被CVPR 2018接收。

Juergen Gall團隊展示他們的預測未來系統

超越單步預測

Gall和他同事們的研究目標——教會計算機預測未來——并不是現在才有，實際上，這是機器學習和計算機視覺領域的一個主要課題，有大量的研究人員都在從事相關的工作。

但是，這項工作特殊的地方在于其方法：到目前為止，這些領域的研究集中在對當前行動的解釋，或者對預期的下一步行動進行預測上面，也即前面提到的“單步預測”。

單步預測，也就是預測未來往前一步的結果。這是預測未來模式的基礎，歸結為一個回歸問題，輸入變量，預測結果。

在進行這樣的預測時，目前的研究已經取得了比較好的結果。其中一個例子是，斯坦福大學吳恩達團隊設計了一種深度學習算法，在對臨終關懷的預測中，實現了高達90％的準確性。

在他們的實驗中，斯坦福的研究人員使用了200萬份病歷對他們設計的神經網絡進行訓練，通過這些數據，網絡能夠發現醫生發現不了的模式和規律，并以此為基礎，對新的病人的情況（患者在接下來3~12個月內的死亡率）進行預測。

這項研究面臨的變量十分復雜，而且取得了很高的精度，論文也獲得了IEEE生物信息學和生物醫學組最佳學生論文獎。但是，這樣的算法是基于過往（retrospective），而且只進行單步預測。

多步預測：用CNN和RNN預測未來的兩種結構

在Gall和他團隊的最新研究中，他們提出了兩種方法，對相當長時間的未來發生的大量行動進行預測。他們訓練了一個CNN和一個RNN，根據之前看過的視頻內容，學習未來視頻的“標簽”。

“我們表明，即使對于具有大量不同動作的長視頻，我們的方法也能夠準確預測未來，甚至可以處理嘈雜或錯誤的輸入信息。”作者在論文中這樣寫道。

下面的圖例展示了研究人員設計的兩個方法。首先來看RNN的設計。

在RNN系統的結構中，輸入是一個序列，網絡預測最近觀察到的動作的剩余長度，以及下一個動作的標簽和長度。將預測結果附加到原始輸入，就可以預測下一個動作片段。

而在CNN系統的結構中，輸入序列和輸出序列都被轉換成矩陣的形式。其中，C表示類（class）的數量，S則對應于特定長度的視頻片段的數量。矩陣的二進制值表示每個視頻片段的標簽。

讓機器預測長時間的未來，有望實現真正的人機協作

在他們的實驗中，Gall和他的團隊使用數小時的視頻數據來演示不同的烹飪動作（例如煎雞蛋、拌沙拉等），并僅向軟件展示其中的一部分動作。軟件根據“已經學到的”來預測接下來的動作步驟。通過這種方法，Gall希望該領域能夠向真正的人機共生邁進一步。

“[業界]人們談論人類和機器人協作，但最終人和機器之間仍存在分離; 他們并沒有真正密切地合作，”Gall說。

Gall建議說，通過使用適當的硬件，這個軟件可以通過直觀地了解任務來幫助人類完成任務，進而在工業環境中幫助人類工作。

Gall說：“老年人越來越多，值得努力在家庭中推廣這種機器人來照顧老年人，”Gall說： “我相信10年后服務機器人將能夠在家照顧老年人。”

根據人口統計局的報告，今天65歲以上的美國人的數量約為4600萬，預計到2060年將翻一番。根據2014年美國疾病控制與預防中心（CDC）的報告，這些老年人中約140萬將生活在養老院。日本已經探索過使用這樣的軟件帶來的影響。例如用于療愈的海豹型機器然PARO，軟銀的伴侶機器人Pepper等。在日本，四分之一人口是老年人。

隨著這類技術的進步，或許會在人類代際之間造成進一步的分化——把愛和關懷外包給一臺機器。對于一個尚未成熟的行業來說，很難說這條路將通向何方，但最終決定權掌握在開發人員手中，而不是掌握在他們開發的軟件或機器人手中。